Desde 2022, o banco central do Ruanda utiliza uma caixa de ferramentas de nowcasting baseada em aprendizagem automática, construída com o apoio do FMI — cobrindo 10 subgrupos do IPC subjacente e 2 subgrupos de inflação alimentar — para alimentar o seu Sistema de Previsão e Análise de Políticas, fornecendo aos decisores sinais mensais e quase em tempo real de inflação e PIB, apesar do atraso dos dados oficiais do Ruanda.
Details
Maturity
Established
Promoter
National Bank of Rwanda (Banki Nkuru y'u Rwanda, BNR), with IMF Monetary and Capital Markets Department technical assistance
Period
March 2022 – ongoing (expanded October 2023 and January 2025)
Keywords
central banking, monetary policy, machine learning, inflation nowcasting, IMF technical assistance
Context
O banco central do Ruanda, o National Bank of Rwanda (BNR), enfrenta um problema comum aos bancos centrais de economias em desenvolvimento: os dados oficiais de PIB e inflação chegam com longos atrasos, dificultando decisões de política monetária em tempo real. Com início numa missão de assistência técnica do FMI em março de 2022 e alargada através de missões adicionais em outubro de 2023 e janeiro de 2025, especialistas do FMI e a equipa do BNR construíram o toolbox de 'Previsão de Curto Prazo' (NTF) para o IPC e o PIB.
Activities
O toolbox aplica técnicas estatísticas e de aprendizagem automática a indicadores de alta frequência para gerar previsões mensais desagregadas em dez subgrupos do IPC subjacente e dois subgrupos de inflação alimentar, ajudando a equipa a distinguir a inflação causada por choques de oferta da inflação causada pela procura. A formação abrangeu ainda a construção de gráficos de leque de incerteza e um enquadramento para avaliar os efeitos de choques climáticos nos preços alimentares.
Results
Os relatórios de assistência técnica do FMI afirmam que as ferramentas 'devem ser utilizadas mensalmente' no âmbito do Forecasting and Policy Analysis System do BNR, e os próprios Monetary Policy Reports do BNR, incluindo o de maio de 2025, fazem referência aos resultados deste trabalho de nowcasting.
Conclusions
A governação é relativamente transparente para os padrões dos bancos centrais, com o FMI a publicar relatórios completos de assistência técnica que detalham a metodologia e as limitações conhecidas, com o consentimento do país recetor. A documentação disponível não quantifica totalmente até que ponto as decisões de política monetária incorporam diretamente os resultados da ferramenta, pelo que o seu impacto deve ser entendido como estando operacionalmente integrado na análise da equipa técnica, e não como um fator comprovado das decisões concretas sobre taxas.
Implementation
Indicative cost
Low (< €50k)
Time to results
Long (> 3 years)
Staffing & skills
National Bank of Rwanda (BNR) staff, IMF Monetary and Capital Markets Department technical assistance experts
Conditions for success
Multi-year, phased IMF technical assistance missions (2022, 2023, 2025)
Integration into BNR's existing Forecasting and Policy Analysis System (FPAS)
Building complementary capacity such as uncertainty fan charts and weather-shock frameworks
Common failure modes
No published ex-post accuracy statistics quantify forecast error reduction
Documentation does not clarify how directly monetary policy decisions incorporate the toolbox's outputs
Where it fits
Governance type
central bank with IMF technical assistance
Scale
national
Income level
low-income
Data sources
Where this practice's information was retrieved from, and when.
SARB researchers rigorously tested machine-learning models (LASSO, XGBoost, neural networks) against the bank's own published inflation forecasts: ML modestly beat …
In an April 2025 Staff Memo, Riksbank economists found random-forest and neural-network models measurably outperformed Sweden's traditional time-series forecasts for …